Introduction to On-Device AI

Aperçu

Alors que l'IA dépasse le cloud, l'inférence sur appareil se développe rapidement pour inclure les smartphones, les appareils IoT, les robots, les casques AR/VR et bien plus encore. Des milliards d'appareils mobiles et d'autres dispositifs en périphérie sont prêts à exécuter des modèles d'IA optimisés.

Ce cours vous dote des compétences clés pour déployer l'IA sur l'appareil :

• Découvrez comment le déploiement de modèles sur appareil réduit la latence, améliore l'efficacité et préserve la confidentialité.
• Parcourez les concepts clés du déploiement sur appareil tels que la capture de graphes de réseaux neuronaux, la compilation sur appareil et l'accélération matérielle.
• Convertissez des modèles pré-entraînés de PyTorch et TensorFlow pour une compatibilité sur appareil.
• Déployez un modèle de segmentation d'image en temps réel sur appareil avec seulement quelques lignes de code.
• Testez les performances de votre modèle et validez l'exactitude numérique lors du déploiement dans des environnements sur appareil.
• Quantifiez et rendez votre modèle jusqu'à 4 fois plus rapide et 4 fois plus petit pour une meilleure performance sur appareil.
• Observez une démonstration des étapes d'intégration du modèle dans une application Android fonctionnelle.

Apprenez avec Krishna Sridhar, Directeur Principal d'Ingénierie chez Qualcomm, qui a joué un rôle essentiel dans le déploiement de plus de 1 000 modèles sur des appareils et, avec son équipe, a créé l'infrastructure utilisée par plus de 100 000 applications. En apprenant ces techniques, vous serez en mesure de développer et de déployer l'IA sur des milliards d'appareils et d'optimiser vos modèles complexes pour qu'ils fonctionnent efficacement en périphérie.

Université :

Fournisseur :

Coursera.

Catégories :

Cours d'Intelligence Artificielle, Cours de Réseaux Neuronaux, Cours TensorFlow, Cours de Segmentation d'Image, Cours PyTorch, Cours d'Accélération Matérielle, Cours de Déploiement de Modèle.

Sujets